Python多项式回归的实现方法


Posted in Python onMarch 11, 2019

多项式回归是一种线性回归形式,其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条件均值之间的非线性关系,表示为E(y | x)

为什么多项式回归:

  • 研究人员假设的某些关系是曲线的。显然,这种类型的案例将包括多项式项。
  • 检查残差。如果我们尝试将线性模型拟合到曲线数据,则预测变量(X轴)上的残差(Y轴)的散点图将在中间具有许多正残差的斑块。因此,在这种情况下,这是不合适的。
  • 通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中,不满足该假设。

多项式回归的使用:

这些基本上用于定义或描述非线性现象,例如:

  • 组织生长速度。
  • 疾病流行病的进展
  • 湖泊沉积物中碳同位素的分布

回归分析的基本目标是根据自变量x的值来模拟因变量y的期望值。在简单回归中,我们使用以下等式 y = a + bx + e

这里y是因变量,a是y截距,b是斜率,e是误差率。

在许多情况下,这种线性模型将无法解决。例如,如果我们在这种情况下根据合成温度分析化学合成的产生,我们使用二次模型y = a + b1x + b2 ^ 2 + e

这里y是x的因变量,a是y截距,e是误差率。

通常,我们可以将其建模为第n个值。y = a + b1x + b2x ^ 2 + .... + bnx ^ n

由于回归函数在未知变量方面是线性的,因此这些模型从估计的角度来看是线性的。

因此,通过最小二乘技术,让我们计算y的响应值。

Python中的多项式回归:

要获得用于分析多项式回归的数据集,请单击此处。

步骤1:导入库和数据集

导入重要的库和我们用于执行多项式回归的数据集。

# Importing the libraries 
import numpy as np 
import matplotlib.pyplot as plt 
import pandas as pd 

# Importing the dataset 
datas = pd.read_csv('data.csv') 
datas

Python多项式回归的实现方法

第2步:将数据集分为2个组件

将数据集划分为两个组件,即X和yX将包含1到2之间的列.y将包含2列。

X = datas.iloc[:, 1:2].values 
y = datas.iloc[:, 2].values

第3步:将线性回归拟合到数据集

拟合线性回归模型在两个组件上。

# Fitting Linear Regression to the dataset 
from sklearn.linear_model import LinearRegression 
lin = LinearRegression() 

lin.fit(X, y)

第4步:将多项式回归拟合到数据集

将多项式回归模型拟合到两个分量X和y上。

# Fitting Polynomial Regression to the dataset 
from sklearn.preprocessing import PolynomialFeatures 

poly = PolynomialFeatures(degree = 4) 
X_poly = poly.fit_transform(X) 

poly.fit(X_poly, y) 
lin2 = LinearRegression() 
lin2.fit(X_poly, y)

步骤5:在此步骤中,我们使用散点图可视化线性回归结果。

# Visualising the Linear Regression results 
plt.scatter(X, y, color = 'blue') 

plt.plot(X, lin.predict(X), color = 'red') 
plt.title('Linear Regression') 
plt.xlabel('Temperature') 
plt.ylabel('Pressure') 

plt.show()

Python多项式回归的实现方法

步骤6:使用散点图可视化多项式回归结果。

# Visualising the Polynomial Regression results 
plt.scatter(X, y, color = 'blue') 

plt.plot(X, lin2.predict(poly.fit_transform(X)), color = 'red') 
plt.title('Polynomial Regression') 
plt.xlabel('Temperature') 
plt.ylabel('Pressure') 

plt.show()

Python多项式回归的实现方法

步骤7:使用线性和多项式回归预测新结果。

# Predicting a new result with Linear Regression 
lin.predict(110.0)

Python多项式回归的实现方法

# Predicting a new result with Polynomial Regression 
lin2.predict(poly.fit_transform(110.0))

Python多项式回归的实现方法

使用多项式回归的优点:

  • 广泛的功能可以适应它。
  • 多项式基本上适合宽范围的曲率。
  • 多项式提供了依赖变量和自变量之间关系的最佳近似。

使用多项式回归的缺点

  • 这些对异常值过于敏感。
  • 数据中存在一个或两个异常值会严重影响非线性分析的结果。
  • 此外,遗憾的是,用于检测非线性回归中的异常值的模型验证工具少于线性回归。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python快速排序代码实例
Nov 21 Python
用python + openpyxl处理excel2007文档思路以及心得
Jul 14 Python
Python wxpython模块响应鼠标拖动事件操作示例
Aug 23 Python
python基于Selenium的web自动化框架
Jul 14 Python
django mysql数据库及图片上传接口详解
Jul 18 Python
对python中基于tcp协议的通信(数据传输)实例讲解
Jul 22 Python
Tensorflow实现多GPU并行方式
Feb 03 Python
Python调用shell命令常用方法(4种)
May 11 Python
Python如何实现定时器功能
May 28 Python
解决pyinstaller打包运行程序时出现缺少plotly库问题
Jun 02 Python
python3实现Dijkstra算法最短路径的实现
May 12 Python
Pytorch 实现变量类型转换
May 17 Python
Python实现定制自动化业务流量报表周报功能【XlsxWriter模块】
Mar 11 #Python
浅谈Python中的可迭代对象、迭代器、For循环工作机制、生成器
Mar 11 #Python
python使用selenium实现批量文件下载
Mar 11 #Python
利用Python实现微信找房机器人实例教程
Mar 10 #Python
谈谈Python中的while循环语句
Mar 10 #Python
15行Python代码实现网易云热门歌单实例教程
Mar 10 #Python
Python如何爬取实时变化的WebSocket数据的方法
Mar 09 #Python
You might like
神族 Protoss 剧情介绍
2020/03/14 星际争霸
php桌面中心(二) 数据库写入
2007/03/11 PHP
php 服务器调试 Zend Debugger 的安装教程
2009/09/25 PHP
关于php内存不够用的快速解决方法
2013/10/26 PHP
php 创建以UNIX时间戳命名的文件夹(示例代码)
2014/03/08 PHP
PHP+Mysql+jQuery实现发布微博程序 php篇
2015/10/15 PHP
PHP递归实现汉诺塔问题的方法示例
2017/11/25 PHP
JQuery打造PHP的AJAX表单提交实例
2009/11/03 Javascript
javascript nextSibling 与 getNextElement(node) 使用介绍
2011/10/13 Javascript
JQuery入门基础小实例(1)
2015/09/17 Javascript
原生js实现弹出层登录拖拽功能
2016/12/05 Javascript
nodejs实例解析(输出hello world)
2017/01/03 NodeJs
基于axios封装fetch方法及调用实例
2018/02/05 Javascript
详解vue-cli项目中的proxyTable跨域问题小结
2018/02/09 Javascript
vue中引用swiper轮播插件的教程详解
2018/08/16 Javascript
JS中DOM元素的attribute与property属性示例详解
2018/09/04 Javascript
详解puppeteer使用代理
2018/12/27 Javascript
防止Layui form表单重复提交的实现方法
2019/09/10 Javascript
Vuejs中的watch实例详解(监听者)
2020/01/05 Javascript
Python 的 Socket 编程
2015/03/24 Python
Python中的各种装饰器详解
2015/04/11 Python
Python简单生成随机姓名的方法示例
2017/12/27 Python
对python 各种删除文件失败的处理方式分享
2018/04/24 Python
符合语言习惯的 Python 优雅编程技巧【推荐】
2018/09/25 Python
Python 从相对路径下import的方法
2018/12/04 Python
python自定义函数实现最大值的输出方法
2019/07/09 Python
python实现数据分析与建模
2019/07/11 Python
python语言是免费还是收费的?
2020/06/15 Python
python中加背景音乐如何操作
2020/07/19 Python
如何利用pycharm进行代码更新比较
2020/11/04 Python
python中的测试框架
2020/11/13 Python
HTML5页面无缝闪开的问题及解决方案
2020/06/11 HTML / CSS
2014年大学庆元旦迎新年活动方案
2014/03/09 职场文书
无传销社区工作方案
2014/05/13 职场文书
解除劳动合同协议书范本2014
2014/09/25 职场文书
个人剖析材料范文
2014/09/30 职场文书